| Competencias do título |
| Código | Competencias do título |
| A6 | CE05 - capacidade para deseñar e desenvolver sistemas intelixentes mediante a aplicación de algoritmos de inferencia, representación do coñecemento e planificación automática |
| A7 | CE06 - capacidade para recoñecer aqueles problemas que necesiten dunha arquitectura distribuida que non estea prefixada durante o deseño do sistema, que serán axeitados para a implementación de sistemas multiaxente intelixentes |
| A8 | CE07 - capacidade para entender as implicacións do desenrolo dun sistema intelixente explicable e interpretable |
| A9 | CE08 - capacidade para deseñar e desenvolver sistemas intelixentes seguros, en términos de integridade, confidencialidade e robustez |
| B1 | CG01 - Manter e extender os plantexamentos teóricos fundados para permitir a introducción e explotación de tecnoloxías novas e avanzadas no eido da Intelixencia Artificial |
| B2 | CG02 - Abordar con éxito todas as etapas dun proxecto de Intelixencia Artificial |
| B3 | CG03 - Buscar e seleccionar a información útil necesaria para resolver problemas complexos, manexando con soltura as fontes bibliográficas do campo |
| B6 | CB01 - Poseer e comprender coñecementos que aporten unha base ou oportunidade de ser orixináis no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación |
| B7 | CB02 - Que os estudantes saiban aplicar os coñecementos adquiridos e posúan capacidade de resolución de problemas en entornos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacioados coa su área de estudo |
| B8 | CB03 - Que os estudantes sexan capaces de integrar coñecementos e enfrentarse á complexidade de formular xuízos a partiren dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociáis e éticas vinculadas á aplicación dos seus coñecementos e xuízos |
| B9 | CB04 - Que os estudantes saiban comunicar as súas conclusións e os coñecementos e razóns últimas que as sustentan a públicos especializados e non especializados dun xeito claro e sen ambigu?idades |
| C2 | CT02 - Dominar a expresión e comprensión, de xeito oral e escrito, dun idioma extranxeiro |
| C3 | CT03 - Utilizar as ferramientas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida |
| C4 | CT04 - Desenvolverse para o exercicio dunha una cidadanía respetuosa coa cultura democrática, os dereitos humáns e la perspectiva de xénero |
| C5 | CT05 - Entender a importancia da cultura emprendedora e coñecer os medios ao alcance das persoas emprendedoras |
| C6 | CT06 - Adquirir habilidades para a vida e hábitos, rutinas e estilos de vida saudables |
| C7 | CT07 - Desenvolver a capacidade de traballar en equipos interdisciplinares ou transdisciplinares, para ofrecer propostas que contribúan a un desenrolo sostible ambiental, económico, político e social |
| C8 | CT08 - Valorar a importancia que ten a investigación, a innovación e o desenrolo tecnolóxico no avance socioeconómico e cultural da sociedade |
| Resultados de aprendizaxe | |||
| Resultados de aprendizaxe | Competencias do título | ||
| Conocer los conceptos fundamentales del cálculo de predicados | AM5 AM6 AM7 AM8 |
BM1 BM3 BM6 BM7 BM8 BM9 |
CM2 CM3 CM4 CM7 CM8 |
| Conocer y comprender los conceptos de imprecisión e incertidumbre frente al de certeza | AM5 AM6 AM7 AM8 |
BM1 BM3 BM6 BM7 BM8 BM9 |
CM2 CM3 CM5 CM8 |
| Conocer los principales modelos de razonamiento impreciso y para valorar su adecuación a la resolución de problemas en el ámbito de la Inteligencia Artificial | AM5 AM6 AM7 AM8 |
BM1 BM2 BM3 BM6 BM7 BM8 BM9 |
CM2 CM3 CM4 CM5 CM6 CM7 CM8 |
| Conocer y saber modelar y resolver problemas básicos de planificación | AM5 AM6 AM7 AM8 |
BM1 BM2 BM3 BM6 BM7 BM8 BM9 |
CM2 CM3 CM4 CM5 CM7 CM8 |
| Contidos |
| Temas | Subtemas |
| Representación del conocimiento | Representación del conocimiento. |
| Lógica formal | Lógica Formal y pensamiento humano |
| Razonamiento automático | Modelos y técnicas para el razonamiento Automático |
| Incertidumbre | Paradigmas para el razonamiento impreciso y con incertidumbre |
| Planificación | Modelos de planificación y planificación con incertidumbre |
| Planificación | ||||
| Metodoloxías / probas | Competencias | Horas presenciais | Horas non presenciais / traballo autónomo | Horas totais |
| Sesión maxistral | A6 A7 A8 A9 B2 B3 B6 B8 B9 C2 C6 | 21 | 42 | 63 |
| Proba obxectiva | A6 A7 A8 A9 B3 B6 B7 B8 B9 C2 | 3 | 21 | 24 |
| Prácticas de laboratorio | A6 A7 A8 A9 B1 B2 B3 B7 B8 C3 C4 C5 C6 C7 C8 | 21 | 42 | 63 |
| Atención personalizada | 0 | 0 | ||
| *Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado | ||||
| Metodoloxías |
| Metodoloxías | Descrición |
| Sesión maxistral | Clases de fundamentos impartidas polo profesor e combinadas con pequenos exercicios non computables na evaluación final |
| Proba obxectiva | Examen individual onde se evalúan os coñecementos e capacidades adquiridas polo alumno, especialmente en comprensión dos fundamentos impartidos nas clases maxistráis |
| Prácticas de laboratorio | Traballo práctico, normalmente en grupos, con ferramentas de razoamento automático e planificación |
| Atención personalizada |
|
|
| Avaliación | |||
| Metodoloxías | Competencias | Descrición | Cualificación |
| Prácticas de laboratorio | A6 A7 A8 A9 B1 B2 B3 B7 B8 C3 C4 C5 C6 C7 C8 | Entrega dunha ou varias prácticas | 49.5 |
| Sesión maxistral | A6 A7 A8 A9 B2 B3 B6 B8 B9 C2 C6 | Dependendo da evolución do curso, unha parte do exame podería ser consolidada mediante a entrega de exercicios ao longo das las sesións maxistráis | 0.5 |
| Proba obxectiva | A6 A7 A8 A9 B3 B6 B7 B8 B9 C2 | Un examen individual formado por varios exercicios que serán calificados hata un máximo de 50 puntos. *Requisito* para aprobar a asignatura, é preciso acadar unha nota mínima de 20 puntos no examen. Se esa nota mínima non é acadada, a nota final da asignatura será truncada a 4.8 (isto é, 48%) se a suma de todas as calificacións supera ese número. |
50 |
| Observacións avaliación | |||
| Fontes de información |
| Bibliografía básica | |
|
|
|
| Bibliografía complementaria |
Vladimir Lifschitz (2019). Answer Set Programming. Springer
Martin Gebser, Roland Kaminski, Benjamin Kaufmann, and Torsten Schaub (2012). Answer Set Solving in Practice. Morgan and Claypool Publishers
Stuart Russell and Peter Norvig (2021). Artificial Intelligence: a Modern Approach (4th ed). Pearson, Prentice Hall
Chitta Baral (2003). Knowledge Representation, Reasoning and Declarative Problem Solving. Cambridge University Press
Michael Gelfond and Yulia Kahl (2014). Knowledge Representation, Reasoning, and the Design of Intelligent Agents: The Answer-Set Programming Approach. Cambridge University Press |
|
|
| Recomendacións | |||||||||
| Materias que se recomenda ter cursado previamente |
| Materias que se recomenda cursar simultaneamente | |
|
| Materias que continúan o temario | |||||||||
|
| Observacións | |